一种实用的X型靶标亚像素角点提取方法

为了提取亚像素角点和实现高精度的标定,提出了一种基于Harris算子和空间矩的亚像素角点提取方法。利用Harris算子,在优化后的范围内提取像素级角点;运用改进后的梯度模板提取像素级角点周围部分边界点,并利用空间矩的方法得到边界点的亚像素级坐标;将亚像素边界点进行直线拟合,并将交点的平均值作为该角点的亚像素坐标。实际测试证明:利用该方法提取到的角点精度可以达到0.1pixel,可满足实际的公差要求,为X型靶标的角点提取提供了一种新的思路,目前已经将该方法应用到了嵌入式机器视觉工业现场。     

基于曲率尺度空间角点检测的交通标志分离算法

针对交通标志出现互连现象导致检测率下降的问题,提出了一种基于曲率尺度空间(CSS)角点检测的交通标志分离算法。使用基于红绿蓝(RGB)归一化的彩色分割算法和区域特征判决准则自动识别多标志互连候选区域,并对提取的目标区域进行边缘平滑和轮廓跟踪。利用基于全局和局部曲率特性的CSS角点检测器对提取的轮廓进行角点检测,并依据角点凸凹性判定准则及分离点对匹配条件,从角点中提取标志间的分离点对。利用Bresenham算法寻求分离点对间的分离线,实现标志的最终分离。实验结果验证了算法的有效性,与现有基于分水岭变换的标志分离算法以及改进的自适应分离算法相比,克服了标志过度分离问题,提高了标志检测整体性能。     

零件的角点提取及匹配定位

本文基于三坐标测量机(CMM)设计了一套视觉检测系统,该系统能够对零件实际空间特征信息进行比较全面地提取。针对位于CMM平台上带有角点的零件,利用Harris算子提取从CMM三个不同方位获取的零件图像的角点。对于Harris算子提取到的角点,本文提出一种八链码搜索法和SUSAN区域法相结合的伪角点剔除方法,最后基于立体视觉的原理,提出"距离空间图"匹配算法,将以上3幅图像一一建立匹配关系。实验中多次改变零件在CMM中姿态时,多次实验数据表明本文的角点提取精度与真实角点间仅存在1~2像素的偏差,零件的定位误差为1~3 mm。通过实验验证,角点匹配和定位的稳定性和精度满足要求,具有一定的抗干扰性和实用性。     

靶丸空间坐标的高精度测定技术

为在惯性约束聚变系统中开展靶丸空间坐标的高精度测量,针对人工方式瞄准方法在安装调试上存在费力费时、自动化程度不高等缺点,采用基于双目视觉的方法,利用高精度2维标定板,通过迭代方法使角点提取精度达到0.1个亚像素,采用奇异值分解法来去除奇异点、改进的张正友标定算法等手段提高了标定精度。实验表明,在坐标测量精度均为25μm,距离测量的系统最大误差小于100μm,指标能满足系统要求。     

基于聚类的相位相关运动估计方法

针对相机运动引起的图像序列运动的问题,提出了一种基于聚类的相位相关块匹配运动估计算法。利用Harris算子分别在相邻帧图像上检测角点,以参考图像角点为中心选取一个矩形块,将块匹配法与相位相关相结合来计算图像间的运动矢量。最后,对获得的多个块的平移量,进行空间聚类从而选取运动估计比较准确的点。实验结果表明：该算法配准精度能达到亚像素,稳定性较好。     

图像局部特征识别中的多目标分离

研究了一种多目标识别算法,该算法用SUSAN角点形成SIFT特征点,采用阶梯图像金字塔结构实现尺度不变,为所有匹配点建立统一的超定线性方程组并对该方程组系数矩阵进行简化使其维数降低一半,得到增广矩阵.对增广矩阵进行列变换,依据坐标转换的特性可从中提取多目标的稳定正常点,实现了快速分离多目标的匹配点.结果表明,利用新算法得到的多目标识别结果能保证最小二乘法迭代运算快速收敛,且一次迭代就能得到精度较高的目标定位参量,根据SIFT标准的128维局部特征描述符判别匹配点,匹配点数量较SIFT算法多一倍,分离多目标速度较Hough变换快2～3倍.     

基于双路多尺度金字塔池化模型的显著目标检测算法

为提升复杂环境装甲目标的检测精度,提出了一种显著目标检测算法,该算法通过视觉注意机制与联合金字塔上采样模块分别获取视觉注意机制约束的低层次特征与多尺度池化语义特征,利用聚合策略进行融合,提升低对比度或遮挡情况下的目标表征能力。测试结果表明,文中算法对复杂场景下多尺度目标均取得了良好的检测效果,其精度、召回率与平均精度分别为72.2%、71.4%与77.1%,能够满足实际应用需求。     

面向光学测量跨源点云的多尺度采样配准方法

为了实现具有不同测量尺度、分辨率与精度等特性的跨源点云的精确配准,提出了基于多尺度采样的测量点云数据配准方法。通过尺度滑移算法来滤除高频细节信息,保留轮廓数据,并结合体素网格邻域法来实现点云数据的降采样;对于宏观结构光视觉测量的低分辨率点云数据,通过基于深度学习的渐进式三维点云上采样算法可以精确还原结构光点云的轮廓细节,实现跨源点云在尺度与分辨率上的统一。最后,采用迭代最近点法对处理后尺度近似的数据进行配准,并将配准关系逆向用于原始跨源点云的配准。实验结果表明,多尺度采样方法对于跨源点云的配准精度有所提高,能有效用于发动机叶片等零部件的高性能检测。     

基于邻域特征点提取和匹配的点云配准

为解决噪声干扰、数据丢失情况下迭代最近点算法的鲁棒性差、配准精度低等问题,提出一种基于邻域特征点提取和匹配的点云配准方法.首先定义一个由点的k邻域曲率、点与邻近点的法向量内积均值以及邻近点与邻域拟合平面的欧氏距离方差等三部分组成的邻域特征参数,结合在移动最小二乘表面构造的曲率特征参数对点云进行两次特征点提取;其次依据直方图特征定义三个匹配条件,并用双重约束获得正确的匹配点对;最后在配准阶段,采用双向构建k维树的迭代最近点算法实现精确配准.实验结果表明,该算法的配准精度较迭代最近点算法提高了90%以上,并且能够在噪声环境下有效地完成缺失点云的配准,在鲁棒性和精确配准方面有明显优势.     

多尺度膨胀卷积神经网络资源三号卫星影像云识别

为提高影像云识别精度,提出一种多尺度膨胀卷积深层神经网络云识别方法。结合卫星影像特征,设计云识别卷积神经网络结构,该结构包含深层特征编码模块、局部多尺度膨胀感知模块以及云区预测解码模块。首先,编码模块中通过基础卷积层获取深度特征;其次,联合多尺度膨胀卷积和池化层共同感知,每层操作连接非线性函数,以提升网络模型的表达能力;最后,云区预测解码模块中融合对应编码模块的特征,再利用L1正则化上采样算法实现端对端的像素级云识别结果。选用典型云遮挡区域影像进行云识别实验,并与Otsu算法和FCN-8S算法进行对比。结果表明,本文所提算法的检测精度较高,Kappa系数显著提升。     

Enhancements in full‐field PIXE imaging—Large area elemental mapping with increased lateral resolution devoid of optics artefacts

The combination of a pn‐junction charge‐coupled device‐based pixel detector with a poly‐capillary X‐ray optics was installed and examined at the Helmholtz‐Zentrum Dresden‐Rossendorf. The set‐up is intended for particle‐induced X‐ray emission imaging to survey the trace elemental composition of flat/polished geological samples. In the standard configuration, a straight X‐ray optics (20 μm capillary diameter) is used to guide the emitted photons from the sample towards the detector with nearly 70 000 pixels. Their dimensions of 48 × 48 μm² are the main limitation of the lateral resolution. This limitation can be bypassed by applying a dedicated subpixel algorithm to recalculate the footprint of the photon's electron cloud in the detector. The lateral resolution is then mainly determined by the capillary's diameter. Nevertheless, images are still superimposed by the X‐ray optics pattern. The optics' capillaries are grouped in hexagonal bundles resulting in a reduced transmission of X‐rays in the boundary regions. This influence can be largely suppressed by combining a series of short measurements at slightly shifted positions using a precision stage and correcting the image data for this shifting. The use of a subpixel grid for the image reconstruction allows a further increase of the spatial resolution. This approach of image‐stacking and multiframe super‐resolution in combination with the subpixel correction algorithm is presented and illustrated with experimental data. Additionally, a flat‐field correction is shown to remove the remaining imaging inhomogeneity caused by non‐uniform X‐ray transmission. The described techniques can be used for all X‐ray spectrometry methods using an X‐ray camera to obtain high‐quality elemental images.     

基于Harris角点检测器的指纹细节点提取算法

提出了一种基于Harris角点检测器的指纹细节点提取算法。先将Harris角点检测器应用于增强后的指纹图像,检测出指纹的细节点和曲率变化大的点,随后进行后处理操作。在后处理操作中,根据细节点的空间分布特征,删除虚假点。使用细节点的邻域灰度信息,判定细节点的类型。利用细节点的原始方向以及得到的类型,确定细节点的精确方向。与经典的细节点提取算法相比,不需要对指纹图像进行二值化、细化,直接在灰度指纹图像当中提取细节点,大大减少了计算时间,有效地提高了效率。使用FVC2002指纹数据库测试,结果表明,该算法可靠、快速,适合实际应用。     

基于标准互相关函数的图像分辨率自动标定方法

理想规则图像特征经标准互相关函数匹配后,相似函数C*(x)可用确定的解析式Z(x)表达.但是对于含噪声图像,相似函数C(x)较之C*(x)发生了变化,但存在"零相似不变性".将此原理应与于显微视觉中图像物面分辨率的在线标定,推导了矩形图像特征的一维相似函数解析式Z(x);求解C(x)=0作为Z(x)的近似,并给出了具体标定算法;通过仿真图像实验,给出标定算法的正确度在0.1～0.2 pixel;最后,将标定算法应用于可连续变焦的微对准装配系统,实测算法的精密度可达为0.08 pixel.实验结果表明,基于"零相似不变性"的标定算法是具有实用性的亚像素标定方法.～290nm波长激发下,310～390nm范围内产生荧光光谱,峰位波长在350nm,最佳激励波长为250nm;采用垂直偏振片(起偏角为0°)起偏照射样品,发现偏振荧光峰位不变,荧光峰强度随检偏角的增大而呈明显的线性递减关系.由实验数据计算得到荧光偏振度为0.783,表明分子具有一定确定取向;另外,分析认为酸性橙Ⅱ产生荧光,是由于分子中含有苯环和萘环结构吸收紫外光能量,以及氮键在光子作用下形成顺式异构体的激发单线态后,两者发射的光子所致.整个结果对酸性橙Ⅱ在食品中的违禁使用检测、特性表征、以及分子规律的更深入研究,有一定的参考价值.     

梯度算子选择对基于梯度的亚像素位移算法的影响

基于梯度的亚像素位移算法中不同的灰度梯度计算方法对计算结果的影响进行了研究,列出了几种常用灰度梯度计算方法,并用对相邻5像素点的离散灰度进行三次样条插值的方法推导出两种灰度梯度算子。然后对计算机模拟生成的散斑图像对用各种梯度算子计算得出的亚像素位移与预先设定的真实值做了比较,给出了相应的均值误差和均值相对误差。最后的真实试件的刚体平移和单向拉伸实验结果表明,Barron算子是所列的几种梯度算法中最为精确、稳定的梯度算子。     

多谱段短波红外小鼠静脉荧光观测成像研究

短波红外(short-wave infrared,SWIR)一般指900～1700 nm的光波段,是肉眼不可见的光波段,这种波段目前主流的探测器以InGaAs为主,主要用于军事、生物以及材料光谱分析等领域.短波红外荧光成像以其对生物组织光学损伤小、成像深度大、成像信噪比高、空间和时间成像分辨率高等特点,使得基于InGa...     

局部牛顿插值法提高多狭缝自准直仪准确度

根据多狭缝自准直仪目标物形状特征及光电探测器成像特点,通过边缘检测算法确定经过高斯滤波处理的CCD图像的像元级边界.在此基础上应用局部牛顿插值法对CCD图像边缘位置附近进行亚像元细分,实现亚像元边缘检测;再结合最小二乘直线边缘拟合法进一步提高图像边缘检测准确度.经验证,该算法可达到0.13″的定位准确度.     

二维高斯分布光斑中心快速提取算法研究

在深入分析二维高斯分布公式的基础上,通过将光斑中心整像素坐标和亚像素坐标进行分离,推导出一种无需求解广义逆矩阵的高斯曲面解析算法,该方法综合利用窗口内的所有像素灰度信息,通过解析表达式直接计算高斯分布光斑的亚像素中心位置;并且对传统高斯曲面拟合法求解过程进行了优化,提出一种更加高效的定参高斯拟合法。与传统高斯曲面拟合法相比,提出的两种方法具有基本相同的稳定性和定位精度,但运行效率分别提高了278倍和78倍以上。     

多探测器拼接成像系统实时图像配准

依据已设计完成的基于同心球透镜的四镜头多探测器阵列拼接成像系统,对该系统图像拼接配准过程所采用的特征检测提取、特征向量匹配与筛选、空间变换模型参数估计等算法进行了研究。首先,采用Fast-Hessian检测子提取参考图像和待配准图像的特征点,并生成加速鲁棒特征(SURF)描述向量。接着,采用快速近似最近邻(FANN)逼近搜索算法获得初始的匹配点对,并对匹配点对特征向量的欧式距离进行排序。然后,参照成像系统光学设计参数设定合理的阈值,筛选并保留下较好的匹配点对。最后,提出了一种改进的渐进式抽样一致性(IPROSAC)算法对空间变换矩阵模型进行参数估计,从而得到参考图像与待配准图像的空间几何变换关系。实验结果表明:该算法对图像尺寸、旋转和光照变化都具有一定的不变性,特征匹配时间为0.542 s,配准变换时间0.031 s,配准误差精度小于0.1 pixel,可以满足成像系统关于图像配准实时性和准确性的要求,具有一定的工程应用价值。     

基于黑体标定的红外图像非均匀性校正系统设计

为提高某中波红外探测器的图像质量,设计了基于FPGA的红外图像实时处理系统,系统能够完成实时的非均匀性校正与盲元补偿处理。介绍了目前常用的非均匀性校正、盲元识别和补偿算法,并结合实际工程需求采用多点法进行非均匀性校正以及8点平均法进行盲元补偿。在仿真实验成功的基础上,基于FPGA平台构建了硬件平台。系统可以实现系数自定义更新,可以手动或自动完成非均匀性较正系数计算,以及实现盲元列表的自动更新操作。利用某国产中波红外探测器对处理系统进行了测试试验,实验结果表明:校正后图像非均匀性0.3%,盲元率0.001%。系统工作稳定、可靠,图像处理满足实时性和精度要求。     

基于灰度矩的CCD图像亚像素边缘检测算法研究

根据灰度矩算子在目标成像前后的矩不变特性,利用Tabatabai等人提出的前三阶灰度矩建立了亚像素边缘检测算法的完备数学模型。通过实验对该算法的有效性和检测精度进行了研究,给出了工件的实测尺寸对比结果。实验表明:基于灰度矩算子的亚像素边缘检测算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。